Resume Analyzer Agent

README.md

简历分析器+领英/Naukri求职器+MCP服务器

此项目允许您：

• 上传简历（PDF）
• 使用EURI AI分析简历摘要、技能差距和未来路线图
• 使用Apify从LinkedIn和Naukri自动获取匹配的工作
• 将作业获取功能打包到FastMCP服务器中，以便与Claude Desktop、MCP Inspector等外部工具集成。

💪 完整设置说明

1.克隆存储库

git clone 
cd resume_job_fetcher_project

2.创建Conda虚拟环境（推荐）

conda create -n resume_fetcher_env python=3.10
conda activate resume_fetcher_env

3.安装所需的软件包

使用pip：

pip install -r requirements.txt

requirements.txt包含：

• 流明
• pymupdf
• 欧元
• python dotenv
• apify客户端
• fastmcp

或者，使用紫外线：

在Windows Powershell上安装UV：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

安装要求：

uv pip install -r requirements.txt

4.配置环境变量

创建一个 .env 文件：

EURI_API_KEY=your_real_euri_api_key_here
APIFY_API_TOKEN=your_real_apify_api_token_here

5.运行Streamlit应用程序

streamlit run app.py

6.运行MCP服务器（FastMCP）

python mcp_server.py

7.测试MCP服务器（可选）

安装MCP检查器：

npm install -g @modelcontextprotocol/inspector

运行检查器：

npx @modelcontextprotocol/inspector python mcp_server.py

🚀 基于UV的项目设置（可选）

uv init mcp-server-demo
cd mcp-server-demo
uv add "mcp[cli]"

要手动安装MCP CLI，请执行以下操作：

pip install "mcp[cli]"

在本地运行独立MCP：

uv run mcp

📆 项目结构

resume_job_fetcher_project/
├── app.py          # Streamlit frontend app
├── mcp_server.py   # FastMCP server exposing job fetchers
├── requirements.txt
├── README.md
└── .env            # API keys configuration

🌟 技术栈

📃 重要链接

• EURI API文件
• Apify API文档
• 简化文档
• 紫外线安装指南

🔫 快速命令摘要

💪 结论

• 使用AI的简历分析器+实时工作提取器🚀
• 完全就绪的MCP工具服务器集成
• 模块化、可扩展且专业的设置

🚀 让我们用AI、Apify、MCP和Streamlit更快地构建更智能的应用程序！